認(rèn)知計(jì)算是通過(guò)與人的自然語(yǔ)言交流及不斷地學(xué)習(xí),從而幫助人們做到更多的系統(tǒng),是從硬件架構(gòu)到算法策略、從程序設(shè)計(jì)到行業(yè)專長(zhǎng)等多個(gè)學(xué)術(shù)領(lǐng)域的結(jié)合,能夠使人們更好地從海量復(fù)雜的數(shù)據(jù)中獲得更多洞察,從而做出更為精準(zhǔn)的決策。
在IBM,我們把它簡(jiǎn)化歸納為,具備規(guī)?;瘜W(xué)習(xí)、根據(jù)目標(biāo)推理以及與人類自然互動(dòng)能力的系統(tǒng)。
認(rèn)知計(jì)算與人工智能的區(qū)別是什么?
雖然認(rèn)知計(jì)算包括人工智能的一些要素,但前者是一個(gè)更寬泛的概念。認(rèn)知計(jì)算不是制造“為人們思考”的機(jī)器,而是與“增加人類智慧”有關(guān),能夠幫助我們更好地思考和做出更為全面的決定。
人工智能的概念已經(jīng)有二十多年了,人工智能從歷史和研究角度來(lái)講主要目的是為了讓機(jī)器表現(xiàn)得“更像人”,我們稱之為Intelligent Behavior。
IBM的認(rèn)知計(jì)算從技術(shù)角度上來(lái)講和人工智能是有很多共性的地方,比如機(jī)器學(xué)習(xí)(Machine Learning)、深度學(xué)習(xí)(Deep Learning)等方面都很類似。
但是,IBM的認(rèn)知計(jì)算目的并不是為了取代人,而Intelligent Behavior也只是認(rèn)知計(jì)算的一個(gè)維度。認(rèn)知計(jì)算除了要能夠表現(xiàn)人和計(jì)算機(jī)的交互更加自然流暢之外,還會(huì)更多地強(qiáng)調(diào)推理和學(xué)習(xí),以及如何把這樣的能力結(jié)合具體的商業(yè)應(yīng)用、解決商業(yè)的問(wèn)題。
認(rèn)知計(jì)算和大數(shù)據(jù)分析有何區(qū)別?
大數(shù)據(jù)分析屬于認(rèn)知計(jì)算的一個(gè)維度。與大數(shù)據(jù)相比,認(rèn)知計(jì)算的范圍更廣、技術(shù)也更為先進(jìn)。
認(rèn)知計(jì)算和大數(shù)據(jù)分析有類似的技術(shù),比如大量的數(shù)據(jù)、機(jī)器學(xué)習(xí)(Machine Learning)、行業(yè)模型等,大數(shù)據(jù)分析更多強(qiáng)調(diào)的是獲得洞察,通過(guò)這些洞察進(jìn)行預(yù)測(cè)。此外,傳統(tǒng)的大數(shù)據(jù)分析會(huì)使用模型或者機(jī)器學(xué)習(xí)的方法,但更多的是靠專家提供。
對(duì)于認(rèn)知計(jì)算而言,洞察和預(yù)測(cè)只是其中的一種。但是,認(rèn)知計(jì)算更為強(qiáng)調(diào)人和機(jī)器之間自然的交互,這些維度都不是傳統(tǒng)的大數(shù)據(jù)分析所強(qiáng)調(diào)。
此外,認(rèn)知計(jì)算目前成長(zhǎng)很快的一個(gè)領(lǐng)域?yàn)樯疃葘W(xué)習(xí)(Deep Learning),它的學(xué)習(xí)方法與傳統(tǒng)方法不同,更多的是基于大量的數(shù)據(jù)通過(guò)自學(xué)的方式得到這樣的模型,而不需要很多的人為干預(yù),這個(gè)從學(xué)習(xí)方法來(lái)講和大數(shù)據(jù)分析有很多不同的地方。